constants Pakiet
Ten pakiet definiuje stałe używane w zestawie SDKKv2 usługi Azure Machine Learning.
Klasy
AssetTypes |
AssetTypes to wyliczenie wartości dla typów zasobów zestawu danych. Typy zasobów służą do identyfikowania typu zasobu. Zasób może być plikiem, folderem, modelem mlflow, modelem trytonowym, mltable lub niestandardowym. |
BatchDeploymentOutputAction |
Ten pakiet definiuje stałe używane w zestawie SDKKv2 usługi Azure Machine Learning. |
DistributionType |
Ten pakiet definiuje stałe używane w zestawie SDKKv2 usługi Azure Machine Learning. |
ImportSourceType |
Ten pakiet definiuje stałe używane w zestawie SDKKv2 usługi Azure Machine Learning. |
InputOutputModes |
InputOutputModes to wyliczenie wartości dla trybów wejściowych/wyjściowych zestawu danych. Tryby wejścia/wyjścia służą do identyfikowania typu elementu zawartości podczas jego tworzenia przy użyciu interfejsu API. |
JobType |
Ten pakiet definiuje stałe używane w zestawie SDKKv2 usługi Azure Machine Learning. |
ModelType |
ModelType to wyliczenie wartości dla typów modelu. Typy modeli są używane do identyfikowania typu modelu podczas jego tworzenia przy użyciu interfejsu API. Typy modeli mogą być "CustomModel", "MLFlowModel" lub "TritonModel". |
ParallelTaskType |
Ten pakiet definiuje stałe używane w zestawie SDKKv2 usługi Azure Machine Learning. |
Scope |
Zakres to wyliczenie wartości dla zakresu zasobu. Zakresem może być "subskrypcja" lub "resource_group". |
Wyliczenia
AcrAccountSku |
Azure Container Registry jednostek SKU. |
IPProtectionLevel |
Uwaga Jest to klasa eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. Poziom ochrony własności intelektualnej. |
ImageClassificationModelNames |
Nazwy modeli, które są obsługiwane w przypadku zadań klasyfikacji obrazów. |
ImageInstanceSegmentationModelNames |
Nazwy modeli, które są obsługiwane w przypadku zadań segmentacji wystąpienia obrazu. |
ImageObjectDetectionModelNames |
Nazwy modeli, które są obsługiwane w przypadku zadań wykrywania obiektów obrazów. |
ManagedServiceIdentityType |
Typ tożsamości usługi zarządzanej (gdzie dozwolone są typy SystemAssigned i UserAssigned). |
MonitorDatasetContext |
Uwaga Jest to klasa eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. |
MonitorFeatureType |
Uwaga Jest to klasa eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. |
MonitorMetricName |
Uwaga Jest to klasa eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. |
MonitorModelType |
Uwaga Jest to klasa eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. |
MonitorSignalType |
Uwaga Jest to klasa eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. |
MonitorTargetTasks |
Ten pakiet definiuje stałe używane w zestawie SDKKv2 usługi Azure Machine Learning. |
NlpLearningRateScheduler |
Wyliczenie harmonogramów szybkości nauki, które są zgodne z tymi obsługiwanymi przez HF |
NlpModels |
Nazwy modeli, które są obsługiwane w przypadku zadań nlp (przetwarzania języka naturalnego). |
StorageAccountType |
Typy kont magazynu. |
TabularTrainingMode |
Uwaga Jest to klasa eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. Tryb włączania/wyłączania trenowania rozproszonego. |
TimeZone |
Strefy czasowe akceptowane przez harmonogram zadania lub wystąpienia obliczeniowego. |
Azure SDK for Python
Opinia
https://aka.ms/ContentUserFeedback.
Dostępne już wkrótce: W 2024 r. będziemy stopniowo wycofywać zgłoszenia z serwisu GitHub jako mechanizm przesyłania opinii na temat zawartości i zastępować go nowym systemem opinii. Aby uzyskać więcej informacji, sprawdź:Prześlij i wyświetl opinię dla